Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Minimizing Regret in Dynamic Decision Problems Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

Towards Lifted Inference Under Maximum Entropy for Probabilistic Relational FO-PCL Knowledge Bases

verfasst von : Christoph Beierle, Nico Potyka, Josef Baudisch, Marc Finthammer

Erschienen in: Symbolic and Quantitative Approaches to Reasoning with Uncertainty

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

A knowledge base in the logic FO-PCL is a set of relational probabilistic conditionals. The models of such a knowledge base are probability distributions over possible worlds, and the principle of Maximum Entropy (ME) selects the unique model having maximum entropy. While previous work on FO-PCL focused on ME model computation, in this paper we propose two possible approaches towards lifted inference based on independent rule sets.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Probabilistic Common Knowledge Among Infinite Number of Agents
Nächstes Kapitel Towards Gaussian Bayesian Network Fusion
Literatur
1.
Apsel, U., Kersting, K., Mladenov, M.: Lifting relational map-lps using cluster signatures. In: Proceedings AAAI-2014. pp. 2403–2409. AAAI Press (2014)
2.
Beierle, C., Krämer, A.: Achieving parametric uniformity for knowledge bases in a relational probabilistic conditional logic with maximum entropy semantics. Ann. Math. Artif. Intell. 73(1–2), 5–45 (2015)MathSciNetCrossRefMATH
3.
Boyd, S., Vandenberghe, L.: Convex Optimization. Cambridge University Press, New York, NY, USA (2004)CrossRefMATH
4.
5.
Finthammer, M., Beierle, C.: How to exploit parametric uniformity for maximum entropy reasoning in a relational probabilistic logic. In: del Cerro, L.F., Herzig, A., Mengin, J. (eds.) JELIA 2012. LNCS, vol. 7519, pp. 189–201. Springer, Heidelberg (2012)
6.
7.
Geman, S., Geman, D.: Stochastic relaxation, gibbs distributions, and the Bayesian restoration of images. IEEE Trans. Pattern Anal. Mach. Intell. 6, 721–741 (1984)CrossRefMATH
8.
Getoor, L., Taskar, B. (eds.): Introduction to Statistical Relational Learning. MIT Press, Cambridge (2007) MATH
9.
Halpern, J.: Reasoning About Uncertainty. MIT Press, Cambridge (2005) MATH
10.
Kazemi, S.M., Buchman, D., Kersting, K., Natarajan, S., Poole, D.: Relational logistic regression. In: Proceedings KR-2014 (2014)
11.
Kern-Isberner, G.: Conditionals in Nonmonotonic Reasoning and Belief Revision. LNCS (LNAI), vol. 2087. Springer, Heidelberg (2001) MATH
12.
Kern-Isberner, G., Lukasiewicz, T.: Combining probabilistic logic programming with the power of maximum entropy. Artif. Intell. 157(1–2), 139–202 (2004)MathSciNetCrossRefMATH
13.
14.
Paris, J.: The uncertain reasoner’s companion - A mathematical perspective. Cambridge University Press, Cambridge (1994) MATH
15.
Poole, D.: First-order probabilistic inference. In: Gottlob, G., Walsh, T. (eds.) Proceedings IJCAI-03, pp. 985–991. Morgan Kaufmann, Acapulco (2003)
16.
de Salvo Braz, R., Amir, E., Roth, D.: Lifted first-order probabilistic inference. In: IJCAI 2005. pp. 1319–1325. Professional Book Center (2005)
17.
Shore, J., Johnson, R.: Axiomatic derivation of the principle of maximum entropy and the principle of minimum cross-entropy. IEEE Transactions on Information Theory IT 26, 26–37 (1980)MathSciNetCrossRefMATH
Metadaten
Titel
Towards Lifted Inference Under Maximum Entropy for Probabilistic Relational FO-PCL Knowledge Bases
verfasst von
Christoph Beierle
Nico Potyka
Josef Baudisch
Marc Finthammer
Copyright-Jahr
2015
Buch
Symbolic and Quantitative Approaches to Reasoning with Uncertainty

Print ISBN: 978-3-319-20806-0

Electronic ISBN: 978-3-319-20807-7

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-319-20807-7_46